Predicción de propiedades petrofísicas a través de componentes principales y regresión lineal múltiple
dc.contributor.advisor | Lozano Forero, Sébastien | |
dc.contributor.author | Carreño Peñaloza, Yesid | |
dc.date.accessioned | 2018-06-07T15:10:47Z | |
dc.date.available | 2018-06-07T15:10:47Z | |
dc.date.created | 2017-12-25 | |
dc.description | Los modelos petrofísicos, son las técnicas más usadas en la industria del petróleo a la hora de predecir propiedades de Volumen de Arcilla (VCL) y Porosoidad Efectiva (PHIE), son realizados a partir de la aplicación de ecuaciones petrofísicas a las variables Gamma Ray (GR), Densidad (RHOZ) Neutrón- Porosidad (TNPH), Absorción Fotoeléctrico (PEFZ), Sónico (DT) y Resistivos (RT), estos modelos petrofísicos son aprobados o descartados mediante pruebas de laboratorio en un núcleo de roca y de producción de crudo en un pozo petrolero, la cuales demandan tiempo y dinero. Este trabajo usó técnicas estadísticas como lo son el Análisis de Componentes Principales (ACP) y regresiones lineales múltiples para la predicción de 2 propiedades petrofísicas muy usadas en el momento de realizar el completamiento de un pozo de petróleo, Volumen de Arcillosidad (VCLAY) y la Porosidad (PHIE). El análisis de componentes principales y la regresión lineal múltiple, se aplicaron a las variables mencionadas anteriormente; las cuales se toman de una base de datos conformada por la información de registros de cada pozo perforado y puesto en producción en un campo petrolero con características geológicas y estructurales homogéneas. Los resultados de VCLAY, PHIE; obtenidos por el método convencional de un modelo petrofísico y por las técnicas estadísticas fueron comparados uno a uno, caracterizando litologías como las rocas reservorio y las rocas sellos. Esto demuestra que mediante la aplicación de técnicas estadísticas se pueden tomar decisiones en el completamiento de un pozo. | spa |
dc.description.abstract | Petrophysical models, is the most widely used technique in the oil industry to predicting these properties, they are made from the application of Petrophysical equations to the follow variables Gamma Ray (GR), density (RHOZ) Neutron (TNPH), photoelectric factor (PEFZ) Sonic (DT) and resistive (RT), these petrophysical models are approved or discarded by physical testing laboratory and production of crude oil on well, which require time and money. This study used statistical techniques such as principal components and multiple linear regressions for the prediction of the 2 Petrophysical properties most commonly used in performing of oil well completion, clay volume (VCLAY) and porosity (PHIE). Principal component analysis (PCA) and multiple linear regressions were applied to the variables mentioned above; which are taken from a database formed by information of each logs oil well drilled and put into the production in a same oil field with geological and structural homogeneous features. The results of VCLAY and PHIE; obtained by the conventional method of a petrophysical model and statistical techniques were compared one by one. This proves that by applying statistical techniques can make decisions on well completion. | spa |
dc.identifier.uri | http://hdl.handle.net/11371/1627 | |
dc.language.iso | spa | spa |
dc.rights.acceso | Abierto (Texto Completo) | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.subject.lemb | Especialización en Estadística Aplicada | spa |
dc.subject.lemb | Regresión logística – Método estadístico | spa |
dc.subject.lemb | Modelos petrofísicos -- Método estadístico | spa |
dc.subject.proposal | Perfiles de pozos | spa |
dc.subject.proposal | Modelos petrofísicos | spa |
dc.subject.proposal | Análisis de componentes principales | spa |
dc.subject.proposal | Volumen de arcilla | spa |
dc.subject.subjectenglish | Well profiles | spa |
dc.subject.subjectenglish | Petrophysical models | spa |
dc.subject.subjectenglish | Principal component analysis | spa |
dc.subject.subjectenglish | Clay volume | spa |
dc.title | Predicción de propiedades petrofísicas a través de componentes principales y regresión lineal múltiple | spa |
dc.type | info:eu-repo/semantics/bachelorThesis | spa |